- 博客(207)
- 资源 (8)
- 收藏
- 关注
RSS订阅
原创 trae中文版AI搭建完整可用的项目框架
正式版的trae不支持大陆使用，不过目前已经推出了trae CN版可以直接使用，并且免费支持deepseek-V3和deepseek-R1模型调用。Trae 是由字节跳动推出的 AI 原生集成开发环境（AI IDE），号称可以搭建完整项目，个人试用后体验确实比Cursor或cline更便捷，因为他多个文件关联准确率更高。注意guidance_scale 这个参数，api说这个是与描述的贴近程度，但是这个参数越高，就越偏向艺术风格而脱离真实感。可以自定义描述，也可以用ai生成，这个很简单。
2025-03-12 20:46:10
2434
原创 deepseek+cline自动编写代码教程
deepseek相关的就不多说了，网上有都是营销号在吹。当前deepseek经常被国外恶意攻击，api不稳定。注意这两个选项，plan只会列出计划，而不会真的改代码，act会行动。roo code也可以用，属于轻便型的，功能没cline多。目前我使用的是硅基流动，也是满血deepseek-R1。之后ai会输出分析，并开始工作，具体生产过程见下面视频。配置api用deepseek可能会调用失败。输入需求，请求会将本地文件信息也一起传入。AI模型：deepseek- R1。下面这些配置根据自己需要配置。
2025-02-07 15:14:17
1895
2
原创 十亿次实验，用概率解读周易大衍筮法的奥秘
即剩48，分成2份要么左右两边都被4整除，那么左右两边各取4根，加上1根即为9根，若不能被4整除，则左右余数和为4根，加上1根为5根，即第一次的结果减少的数量必然是5或者9。紧随其后的就是3个8和3个9的组合，对应的山泽损、风水涣、火山旅、风山渐等，其概率都在0.55%左右，再往后就是4个8和2个9的组合，然后5个8和1个9，6个8……如此来看，一次占卜取本卦的概率为75%左右。第二次同理，取1根变成39或43，若一边能被4整除，则为4+3，否则为3，再加上1根，即第二次的结果减少的数量必然是4或者8。
2023-08-22 09:14:41
5919
4
原创 openAi ChatGPT调用性能优化的一些小妙招
说明一下/v1/completions和v1/chat/completions的区别，/v1/chat/completions是传一个数组messages来完成上下文关联，而/v1/completions传的是一个字符串prompt参数，不过依然可以通过追加的方式，使其回答具有上下文关联性。这个会影响最大，亲测最有效，在问题前面追加回答设置，例如，回答不要超过100字，请简洁的回答下列问题等。注意，参数里的max_tokens没必要设置，因为他只会无脑切割， 如果设置低了超过原本的输出答案，回答会不完整。
2023-03-27 17:50:19
8196
原创 分布式任务调度平台XXL-JOB搭建&使用
参考文档：xxl官方文档https://www.xuxueli.com/xxl-job/xxl搭建教程https://www.cnblogs.com/ysocean/p/10541151.html#_label0xxl导读文档https://cloud.tencent.com/developer/article/1710315概述：XXL-JOB是一个分布式任务调度平台，其核心设计目标是开发迅速、学习简单、轻量级、易扩展。现已开放源代码并接入多家公司线上产品线，开箱即用。...
2021-02-06 17:40:54
2277
原创 系统故障分析常用方法
《性能之巅》第二章 2.5 方法USE是utilization、saturation、erros三个词的缩写，应用于性能研究，用来识别系统瓶颈，一言以蔽之，就是：对于所有的资源，查看它的使用率、饱和度和错误。这些术语定义如下：资源：所有服务器物理元器件（CPU、总线。。。）。某些软件资源也能算在内，提供有用的指标。使用率：在规定的时间间隔内，资源用于服务工作的时间百分比。饱和度：资源不能再服务更多额外工作的程度，通常有等待队列。错误：错误事件的个数。例如：U：硬件 CPU：利
2021-01-28 20:53:28
1176
原创 profiling定位nodejs程序消耗情况
官方网址https://nodejs.org/en/docs/guides/simple-profiling/profiling是Node.js内置使用V8中的分析器，它在程序执行期间定期对堆栈进行采样。它记录这些样本的结果，以及重要的优化事件，如jit编译，作为一系列标记:1.启动时增加--node-args="--prof"pm2 restart all --node-args="--prof"2.ls -al找到指定进程的log3.选择指定的log生成可读文件...
2021-01-23 15:17:09
995
原创 Elasticsearch整理笔记（五）
es6以上版本需要注意的：1.elasticsearch-head 在连接6.x以上版本时会报406错误：Content-Type header [application/x-www-form-urlencoded] is not supported原因：6.x 版本的ES严格控制了Content-Type 问题，application/x-www-form-urlencoded不支持JSON格式的内容体，所以需要修改解决办法：进入head插件安装目录->elasticsea
2020-10-14 14:06:14
532
原创 Elasticsearch整理笔记（四）
filter组合查询：POSThttp://localhost:9200/order_server/order/_search{"_source":false, "query": { "bool": { "filter": [ {"term":{ "status":1 }}, {"term":{ "extras.student_name":"张三" }}, .
2020-09-25 19:24:26
688
原创 Elasticsearch整理笔记（三）
部分内容转载于https://www.cnblogs.com/fengda/p/10348616.htmlhttps://blog.youkuaiyun.com/ctwy291314/article/details/82744680es中的查询请求有两种方式，一种是简易版的查询，另外一种是使用JSON完整的请求体，叫做结构化查询（DSL）。由于DSL查询更为直观也更为简易，所以大都使用这种方式。DSL查询是POST过去一个json，由于post的请求是json格式的，所以存在很多灵活性，也有很多形式。
2020-09-15 16:46:18
477
原创 Elasticsearch整理笔记（二）
安装docker部署 搜索镜像 docker search elasticsearch 查看镜像&运行容器 docker images docker run -d --name es2 -p9200:9200-p9300:9300-e"discovery.type=single-node"5acf0e8da90b ...
2020-09-15 16:41:58
408
原创 Elasticsearch整理笔记（一）
Elasticsearch定义 elastic(弹性、灵活）+search（搜索） Elasticsearch 是一个支持分布式、高扩展、高实时的高效搜索与数据分析引擎。 支持分布式实时文件存储。 支持将字段值都编入索引，使其可以被搜索。 实时分析的分布式搜索引擎。 可以扩展到上百台服务器，处理PB级别的结构化或非结构化数据。 Elasticsearch 的实现原理主要分为以下几个步骤 用户将数据提交到Elasticsearch 数据库中。
2020-09-15 16:29:22
631
原创 后端技术栈入职培训感悟
6月份入职了新公司，并有幸参加了公司提供的技术栈培训。虽然我这个人吧平时也不太热爱学习，技术底子比肾都虚，但毕竟也混了5年了，基本差不多的也都了解过或者经历过。所以一开始我是不慌的，但是从第一节课开始，我就惊雷了——我一直都很清楚我自己很菜，但没想到我竟然这么菜！以下做了一些整理：关于node.js1.require加载文件的优先级以及唯一性：我只知道不会二次加载，且我们自定义的文件都是("./***")的方式，其他的就不知道了。require加载文件的优先级以及唯一性如果是名称，优
2020-07-22 10:08:15
811
原创 【v8】一些关于内存泄漏的踏坑
1.Persistent.Reset并非引用v8源码：V8_INLINE Persistent() : PersistentBase<T>(nullptr) {}template <class T>void PersistentBase<T>::Reset() { if (this->IsEmpty()) return; V8::DisposeGlobal(reinterpret_cast<internal::Address*>
2020-07-21 09:35:18
1821
原创 node.js——阿里企业级服务框架Egg搭建
egg是阿里开源的企业级框架，主要设计理念为平衡团队之间的技术差异，专注于提供 Web 开发的核心功能和一套灵活可扩展的插件机制。通过 Egg，团队的架构师和技术负责人可以非常容易地基于自身的技术架构在 Egg 基础上扩展出适合自身业务场景的框架。Egg 的插件机制有很高的可扩展性，一个插件只做一件事（比如 Nunjucks 模板封装成了 egg-view-nunjucks、MySQL 数据库...
2019-11-28 12:06:09
1531
原创 道德沦丧的电商推广app开发②
阿里开放平台提供了很多相关的API网址https://open.taobao.com/api.htm?docId=24517&docType=2首先注册阿里开放平台，申请相关的功能场景以及下载sdksdk只有服务端，没有客户端。其他的设置就不多说了，获取app key及app Secret供api调用即可。然后是阿里妈妈淘宝联盟，主要申请app推广位...
2019-11-13 20:23:58
1539
原创 道德沦丧的电商推广app开发①
最近【省钱快报】、【返利网】等形势的APP越来越火，主要原因在于里面商品有大额优惠卷，购买后还有额外返利。且点击进去会唤醒淘宝app，里面的店家也确实是淘宝天猫真实的店铺，所以确实很诱人。看到优惠价格的我们其实很清楚，这类物品肯定是价格虚高，然后再给予大额优惠来刺激用户的购买欲。但令人担忧的是，如果我们不是通过这样的途径，只是普通的从淘宝天猫app进入店铺，当参考交易数量和...
2019-11-13 12:51:15
1317
2
原创 node.js——sequelize-auto模块生成数据库models及使用
sequelize-auto是一个帮助我们快速生成表结构的工具https://www.npmjs.com/package/sequelize-auto-importnode.js项目中利用sequelize-auto对照数据库自动生成相应的models，使用sequelize-auto对照数据库自动生成相应的models减少了对数据库进行增删改查时的sql语句的编写。npm inst...
2019-07-04 15:22:46
5812
1
原创 OAuth 2.0——授权服务开发笔记（二）
客户端的授权模式详解授权码模式：授权码模式（authorization code）是功能最完整、流程最严密的授权模式。它的特点就是通过客户端的后台服务器，与"服务提供商"的认证服务器进行互动。执行步骤：（A）用户访问客户端，后者将前者导向认证服务器。（B）用户选择是否给予客户端授权。（C）假设用户给予授权，认证服务器将用户导向客户端事先指定的"重定向URI"（redirecti...
2019-03-07 17:06:15
616
原创 OAuth 2.0——授权服务开发笔记（一）
一、概念OAuth是一个关于授权（authorization）的开放网络标准，在全世界得到广泛应用，目前的版本是2.0版。因为1.0版设计的很繁琐，所以被抛弃了。OAuth 协议为用户资源的授权提供了一个安全又简易的标准。与以往的授权方式不同之处是 OAuth的授权不会使第三方触及到用户的帐号信息（如用户名与密码），即第三方无需使用用户的用户名与密码就可以申请获得该用户资源的授权，因此 ...
2019-03-07 16:54:20
1033
原创 python——pandas数据分析(表格处理)工具实现Apriori算法
pandas 是基于NumPy 的一种工具， 名字很卡哇伊，来源是由“ Panel data”（面板数据，一个计量经济学名词）两个单词拼成的。pandas纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。主要应用于处理大型数据集。数据处理速度算是最大的特色，剩下的就是个python版的excel了吧。API文档：http://pandas.pydata.org/panda...
2019-02-25 16:29:07
6120
3
原创 C++ 封装DLL遇到的一些坑爹问题与解决方案
一.string类型不兼容这个算是最常见也是最初级的问题了，为了方便跨语言接口调用，如果数据量不是特别大的话，我们可以在封装DLL时选择json串来作为方法的引入参数和返回值，但由于C++的string类型（其实是STL）内存分配器兼容性很滑稽，基本上跨平台调用就一定会出现异常。所以要避免在动态库接口中传递STL容器。解决方案：比较常规的方法是使用char *进行指针传递，但同时有会存...
2018-12-13 13:27:45
7039
原创 人工智障学习笔记——梯度下降(2)优化算法
四、优化4-1 Momentum如果我们把梯度下降法当作小球从山坡到山谷的一个过程，那么在小球滚动时是带有一定的初速度，在下落过程，小球积累的动能越来越大，小球的速度也会越滚越大，更快的奔向谷底，受此启发就有了动量法 Momentum。动量的引入是为了加速SGD的优化过程。分析上式就会明白动量的作用原理：利用惯性，即当前梯度与上次梯度进行加权，如果方向一致，则累加导致更新步长变大；...
2018-08-21 14:01:27
1307
原创 人工智障学习笔记——梯度下降(1)基础变种
一、概念梯度下降法(gradient descent)是一个最优化算法，常用于机器学习和人工智能当中用来递归性地逼近最小偏差模型。梯度下降是迭代法的一种,可以用于求解最小二乘问题(线性和非线性都可以)。在求解机器学习算法的模型参数，即无约束优化问题时，梯度下降（Gradient Descent）是最常采用的方法之一。二、原理平时我们说的训练神经网络就是最小化损失函数的过程，损失函数的值...
2018-08-21 12:18:03
1059
原创 redis——redis主从复制
和MySQL主从复制的原因一样，Redis虽然读取写入的速度都特别快，但是也会产生读压力特别大的情况。为了分担读压力，Redis支持主从复制，Redis的主从结构可以采用一主多从或者级联结构，Redis主从复制可以根据是否是全量分为全量同步和增量同步。一、概念主从复制，是指将一台Redis服务器的数据，复制到其他的Redis服务器。前者称为主节点(master)，后者称为从节点(slave)；数据...
2018-07-11 18:40:28
1377
1
原创 keras——基于神经网络的风格迁移生成艺术字
Keras是一个高层神经网络API，由纯Python编写而成，至少依赖Tensorflow、Theano、CNTK一种神经网络框架，这里建议用Tensorflow。Keras的特性：1.简易和快速的原型设计（keras具有高度模块化，极简，和可扩充特性）2.支持CNN和RNN，或二者的结合3.无缝CPU和GPU切换Keras的设计原则是1、用户友好：说白了就是傻瓜式开发，狗上狗也行。2、模块性：模...
2018-06-15 18:52:08
2813
3
原创 python——Web服务开发（二）分布式缓存
上一篇博客写了flask模块实现web服务搭建的基本方法以及简单的缓存功能，但是这种缓存随着服务重启便会丢失，也无法满足多个服务共享缓存的需求，因此，我们通过redis来实现web服务的分布式缓存。import redisclient = redis.StrictRedis(host="***",port="***")cache = Cache(client)以斐波那契数为例：[fn=f(n-...
2018-06-11 10:58:36
1588
原创 python——Web服务开发（一）Flask模块
flask的诞生于2010年的愚人节，本来它只是作者无意间写的一个小玩具，没想到它却悄悄流行起来了。漫长的8年时间，flask一直没有发布一个严肃的正式版本，但是却不能阻挡它成了github上最受好评的Python Web框架。现在flask终于发布了1.0正式版本，虽然也没什么卵用，不过还是可以赞一波的。flask内核内置了两个最重要的组件，所有其它的组件都是通过易扩展的插件系统集成进来的。这两...
2018-06-08 11:30:10
2963
原创 python——PIL模块实现图片转字符画
以前发过基于PIL模块实现其他图像处理的文章https://blog.youkuaiyun.com/sm9sun/article/details/77703551今天偶尔在网上看到了一些关于图片转换成字符画的相关内容。其实这个也蛮简单的，无非就是把原画本身的颜色映射成不同的字符，字符可以按照填充系数排列（比如说@这个字符填充系数最大，.这个字符填充系数最小）从而实现字符画呈像的效果。通常的做法是按照原画的灰度...
2018-05-25 14:09:04
6456
1
原创 国家宝藏——SM国密算法
- --首先先放几张图偶然见在国家宝藏节目看到了SM算法，由于名字奇特，所以倍感好奇于是百度了一波。其实就是国家密码局认定的国产密码算法。名字为SMX（X=1，2，3，4……）当然这个名字的由来没有你们想象的那么邪恶，或许他只是一个优秀的人名缩写吧，比如说宋明旭什么的……这样的国产国密算法有很多种，其中SM1、SM4、SM7、祖冲之密码（ZUC）是对称算法；SM2、SM9是非对称算法；SM3是哈希...
2018-05-16 10:46:33
24954
6
原创 redis——redis事务相关处理
事务Redis事务的相关命令有MULTI，EXEC，DISCARD，WATCH。它们允许在一个步骤中执行一组命令，并有两个重要的保证：事务中的所有命令都会被序列化并按顺序执行。在执行Redis事务的过程中，不会发生由另一个客户端发出的请求被服务的情况。这保证命令作为一个单独的隔离的操作被执行。无论是所有的命令都被处理还是没有命令被处理，Redis事务都是原子的。EXEC命令触发事务中所有命令的执行...
2018-05-14 15:31:45
1268
原创 redis——redis持久化处理
Redis持久性Redis主要分为三种持久性策略：1、RDB持久性：以指定的时间间隔执行数据集的时间点快照。2、AOF持久性：记录服务器接收到的每个写入操作，这些操作将在服务器启动时再次执行，重建原始数据集。使用与Redis协议本身相同的格式以追加方式记录命令。Redis可以在日志变得太大时在后台重写日志。3、AOF+RDB：混合式瞎鸡儿乱用。RDB的优点RDB是Redis数据的非常紧凑的单文件时...
2018-05-08 11:43:25
1643
原创 区块链——据说现在这玩意很火？
随着比特币被大家知晓，区块链（blockchain）这个词汇也越来越火热，各种媒体不管是懂的还是不懂的都大肆报道，一时间这个东西被传的神乎其神，区块链到底是什么呢？其实他并没有我们想象的那么复杂， 他的本质其实就是数据库，是的没有错，他是一种特殊的分布式数据库。区块链的主要作用是储存信息。任何需要保存的信息，都可以写入区块链，也可以从里面读取，所以它是数据库。任何人都可以架设服务器，加入区块链网络...
2018-04-16 15:59:24
1278
原创 python——wxpy模块实现微信尬聊（基于图灵机器人）
wxpy（微信机器人）是在itchat基础上开发的微信个人功能服务API，基本可以实现微信各种拓展功能，API文档http://wxpy.readthedocs.io/zh/latest/index.html项目主页https://github.com/youfou/wxpy支持pip安装，适用2.7以及3.4-3.6的python版本通过# 导入模块from wxpy import *# 初...
2018-03-28 13:37:09
21095
9
原创 人工智障学习笔记——强化学习(5)DRL与DQN
在普通的Q-learning中，当状态和动作空间是离散且维数不高时可使用Q-Table储存每个状态动作对的Q值，而当状态和动作空间是高维连续时，Q-Table则不再适用。通常做法是把Q-Table的更新问题变成一个函数拟合问题，相近的状态得到相近的输出动作。通过更新参数θ使Q函数逼近最优Q值：Q(s,a;θ)≈Q′(s,a)而深度神经网络可以自动提取复杂特征，因此，面对高维且连续的状态使用深度神经...
2018-03-19 15:12:52
3634
原创 人工智障学习笔记——强化学习(4)时间差分方法
前两章我们学习了动态规划DP方法和蒙特卡洛MC方法，DP方法的特性是状态转移，状态值函数的估计是自举的(bootstrapping)，即当前状态值函数的更新依赖于已知的其他状态值函数。MC方法的特性是不需要环境模型，状态值函数的估计是相互独立的，但同时又依赖episode tasks。为了解决即不需要环境模型，又局限于episode task，还可以用于连续任务的问题，我们衍生出了时间差分学习方法...
2018-03-13 15:13:54
2121
原创 人工智障学习笔记——强化学习(3)蒙特卡洛方法
上一章我们了解了马尔可夫决策过程的动态规划方法，但是动态要求一个完全已知的环境模型，这在现实中是很难做到的。另外，当状态数量较大的时候，动态规划法的效率也将是一个问题。所以本章我们引用一种不需要完整的环境模型的方法概念——蒙特卡罗方法。蒙特卡洛是一个赌城的名字。又叫统计模拟方法，它使用随机数（或伪随机数）来解决计算的问题，是一类重要的数值计算方法。相对于确定性的算法，蒙特卡洛方法是基于抽样数据来计...
2018-03-07 13:31:54
3817
原创 人工智障学习笔记——强化学习(2)基于模型的DP方法
上一章我们引入了马尔科夫决策过程的概念：马尔可夫决策过程是一个五元组（S,A,P(),R(),γ） 其中:1)S是一组有限的状态，即状态集 (states)2)A是一组有限的行为（或者，As 是从状态可用的有限的一组行动s），即动作集 (Action)3)Pa(s,s')=Pr(st+1=s'midst=s,at=a)表示状态 s 下采取动作 a 之后转移到 s' 状态的概率4)Ra(s,s')是...
2018-03-05 15:36:39
1898
原创 人工智障学习笔记——强化学习(1)马尔科夫决策过程
概念马尔可夫决策过程（MDP）是基于马尔可夫过程理论的随机动态系统的最优决策过程。指决策者周期地或连续地观察具有马尔可夫性的随机动态系统，序贯地作出决策。即根据每个时刻观察到的状态，从可用的行动集合中选用一个行动作出决策，系统下一步（未来）的状态是随机的，并且其状态转移概率具有马尔可夫性。决策者根据新观察到的状态，再作新的决策，依此反复地进行。马尔可夫性是指一个随机过程未来发展的概率规律与观察之前...
2018-02-27 15:04:36
3228
protobuf完整工程包
2017-04-11
plist组图分割demo
2017-08-30
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人